视觉(13)基于SIFT立体匹配的移动机器人自定位
2007-07-18 21:10
246 查看
主要思路如下:
1.找特征:
对上一帧拍摄的左右图像分别计算SIFT特征,保存为L1.key,R1.key。
对当前帧拍摄的左右图像分别计算SIFT特征,保存为L2.key,R2.key。
2.特征匹配:
匹配L1.key,R1.key,得到文件K1.match。
匹配L2.key,R2.key,得到文件K2.match。
匹配K1.match,K2.match,得到result.txt,这个文件每一行包含了这四张图像的同一个特征点。
3.计算位姿的相对变换
现在1,2已经写好程序(一个简陋的命令行程序),一般能得到几百个匹配的特征,但是里面有一些特征匹配是错误的。
下一步可以考虑在计算3时采用RANSAC消除掉错误匹配的影响。
转换为pgm文件
找特征点
>siftWin32.exe 0<L1.pgm 1>L1.key
Finding keypoints
2473 keypoints found.
>siftWin32.exe 0<R1.pgm 1>R1.key
Finding keypoints
2945 keypoints found.
>siftWin32.exe 0<L2.pgm 1>L2.key
Finding keypoints
2712 keypoints found.
>siftWin32.exe 0<R2.pgm 1>R2.key
Finding keypoints
3536 keypoints found.
匹配并显示(1)
>match -m1 L1.key R1.key k1.match
k1:2473,k2:2945
Found 928 matches.
>match -draw k1.match L1.pgm R1.pgm
klist:928
匹配并显示(1)
>match -m1 L2.key R2.key k2.match
k1:2712,k2:3536
Found 1032 matches.
>match -draw k2.match L2.pgm R2.pgm
klist:1032
匹配(2)
>match -m2 k1.match k2.match result.txt
k1:928,k2:1032
find 573 matches
1.找特征:
对上一帧拍摄的左右图像分别计算SIFT特征,保存为L1.key,R1.key。
对当前帧拍摄的左右图像分别计算SIFT特征,保存为L2.key,R2.key。
2.特征匹配:
匹配L1.key,R1.key,得到文件K1.match。
匹配L2.key,R2.key,得到文件K2.match。
匹配K1.match,K2.match,得到result.txt,这个文件每一行包含了这四张图像的同一个特征点。
3.计算位姿的相对变换
现在1,2已经写好程序(一个简陋的命令行程序),一般能得到几百个匹配的特征,但是里面有一些特征匹配是错误的。
下一步可以考虑在计算3时采用RANSAC消除掉错误匹配的影响。
转换为pgm文件
找特征点
>siftWin32.exe 0<L1.pgm 1>L1.key
Finding keypoints
2473 keypoints found.
>siftWin32.exe 0<R1.pgm 1>R1.key
Finding keypoints
2945 keypoints found.
>siftWin32.exe 0<L2.pgm 1>L2.key
Finding keypoints
2712 keypoints found.
>siftWin32.exe 0<R2.pgm 1>R2.key
Finding keypoints
3536 keypoints found.
匹配并显示(1)
>match -m1 L1.key R1.key k1.match
k1:2473,k2:2945
Found 928 matches.
>match -draw k1.match L1.pgm R1.pgm
klist:928
匹配并显示(1)
>match -m1 L2.key R2.key k2.match
k1:2712,k2:3536
Found 1032 matches.
>match -draw k2.match L2.pgm R2.pgm
klist:1032
匹配(2)
>match -m2 k1.match k2.match result.txt
k1:928,k2:1032
find 573 matches
相关文章推荐
- 视觉(9)争取快点看完基于图论的立体匹配算法
- 基于视觉的移动机器人定位
- 立体视觉–stereo correspondence(双目立体匹配)
- OpenCV】 基于 ransac 算法的 sift 特征匹配程序(开发环境为OpenCV2.3.1+VS2010)
- 立体视觉匹配 后续处理 post-processing
- OpenCV学习笔记(25)基于MFC和OpenCV的摄像机定标与立体匹配测试程序(20140505更新)
- 基于模板匹配和遗传算法的人眼定位
- VS2017+OpenCV3.3基于SGBM算法的双目立体视觉、双目测距(双目校正和立体匹配)
- 立体视觉--stereo correspondence(双目立体匹配)
- 【视觉-立体视觉】3D场景定位的一些资源(结构运动SFM+多目三维重建)
- 双目立体视觉匹配算法-----SAD匹配算法、BM算法、SGBM算法、GC算法
- Deep Auxiliary Learning for Visual Localization and Odometry 基于深度辅助学习的视觉定位和里程计
- 基于图论的立体匹配方法研究----绪论
- 【计算机视觉】双目测距(三)--立体匹配
- 双目视觉——立体匹配基本理论
- 双目视觉---立体匹配介绍
- 基于图像分割的立体匹配方法
- 基于图论的立体匹配方法研究----绪论
- 基于SIFT点特征匹配的图像配准MATLAB程序
- 【视觉=立体视觉】立体匹配算法 StereoBM/StereoSGBM/StereoVar(OpenCV中源码分析)+SAD块匹配算法+GC算法+HH算法